【未来启航】6G网络内生AI技术白皮书（1.0）_29页_1mb

报告摘要

6G网络内生AI技术白皮书总结

核心内容

本白皮书由中国移动通信集团有限公司、中信科移动通信技术股份有限公司、中国电信股份有限公司研究院、维沃移动通信有限公司、联发博动科技（北京）有限公司、之江实验室、北京欧珀通信有限公司、华为技术有限公司、中兴通讯股份有限公司、上海诺基亚贝尔股份有限公司、中关村泛联移动通信技术创新应用研究院等11家单位联合发布，旨在推动6G网络与AI的深度融合，实现6G网络内生AI，为未来6G网络的规划与建设提供理论与技术指引。

主要观点

6G与AI融合是必然趋势：随着AI技术的快速发展，6G网络将不仅仅是连接管道，还将融合感知、计算、AI、大数据、安全等技术，实现“万物智联”的愿景。
内生AI是6G网络的核心能力：6G网络将内部提供AI工作流的全生命周期运行环境，包括数据采集、预处理、模型训练、推理、评估等，从而提升网络智能化水平。
网络与AI双向赋能：6G网络将通过AI提升自身性能与效率（AI for Net），同时为AI提供算力、数据、算法等支撑（Net for AI），形成双向驱动的融合模式。
AI技术将推动6G网络架构革新：从“功能独立、资源隔离”向“通算融合、网络平台化”转变，实现更高效的资源调度和更灵活的架构设计。
Agent与大模型是关键技术方向：Agent技术将实现网络的智能决策与执行，大模型将提升网络自治能力，但其训练和部署仍面临挑战。

关键信息

6G与AI融合的驱动力

6G将满足超高峰值速率、超低时延、立体覆盖、超高精度定位、时延确定网络等更复杂的应用需求。
AI技术将为6G提供智能优化、预测、管理、安全等能力，提升网络运行效率与服务质量。
6G网络将为AI提供算力、数据、算法、连接等能力，满足AI在实时性、移动性、端边协同、隐私保护等方面的需求。

6G网络内生AI的技术目标

AI for Net：
1. 统一生命周期管理：支持连接、计算、数据与AI算法/模型的深度融合，实现AI任务的高效编排。
2. AI资源与用例解耦：按需调度AI资源，提升资源利用率和性能。
3. 支持丰富的学习架构与方法：涵盖监督学习、迁移学习、强化学习、分布式学习等。
4. 持续自演进：实现AI模型与用例的自动化更新与优化，提升网络智能化水平。
Net for AI：
1. 内生、能力驱动式AI：将AI能力内生于网络架构，实现差异化服务。
2. 多要素协同：实现通信、计算、数据、模型等多要素的协同调度。
3. 服务质量保障与安全可信：建立统一的AI服务质量（QoAIS）指标体系和闭环反馈机制，保障AI服务的安全性与可靠性。
4. 绿色低成本实现：通过AI优化网络资源，实现低能耗、高效率的AI服务。

技术方案

AI赋能RAN：
- 支持物理层与高层AI技术，包括信道估计、MIMO预编码、无线资源管理、网络能耗优化等。
- 引入集中式AI/ML功能与分布式AI/ML功能，实现资源池化共享与区域级实时控制。
AI赋能核心网：
- 支持网络数据分析、流量预测、资源动态调整、数字孪生等。
- 关键技术包括AI模型数据压缩、高性能数据传输、AI服务质量保障等。
AI赋能端到端QoS优化：
- 支持跨层跨域QoS指标智能决策与配置，实现基站智能调度。
- 关键技术包括业务特征预测、空时频域信道预测、QoS参数联合配置等。
Net for AI关键技术：
- AI as a Service (AIaaS)：构建统一的AI服务框架，实现AI功能的标准化与服务化。
- AI服务质量（QoAIS）：形成闭环反馈机制，保障AI服务的性能与可靠性。
- 极致性能的资源融合控制：实现通信、计算、数据、模型等多维资源的协同调度，提升AI任务执行效率。
融合基础平台：
- 建立6G云平台，支持异构硬件加速器（如GPU、FPGA、ASIC等）和灵活调度。
- 实现低时延任务响应（<10us）、高带宽数据传输（100Gbps）、分布式AI执行与集中控制协同。

前沿技术研判

大模型：大模型在6G网络中具有重要潜力，但其训练和部署面临资源消耗大、数据标准化不足、网络语言与传统模型不兼容等问题。
Agent技术：Agent将成为6G网络智能化的重要组成部分，支持自主学习、决策与执行，提升网络灵活性与自适应能力。
通感一体：6G将实现通信与感知的深度融合，为AI提供更丰富的数据来源。

价值场景

典型AI for Net场景：包括CSI压缩反馈增强、负载均衡、数字孪生网络等，提升网络性能与运维效率。
典型Net for AI场景：包括**移动机器人、车联网、XR（扩展现实）**等，满足高实时性、高可靠性、高安全性等需求。

发展路径与指导原则

发展路径：从AI赋能网络与网络使能AI两个方向推动6G内生AI技术发展。
指导原则：
1. 可验证可变现：以实际业务需求为导向，推动AI技术的落地与商业化。
2. 优先适配通信服务：在保障通信服务的基础上，拓展AI服务。
3. 支持可信与鲁棒性：提升AI服务的可解释性与抗攻击能力。
4. 高效低成本：通过资源整合与协同优化，降低AI部署成本。
5. 开放式与可扩展：支持灵活的网络架构与服务扩展。